Question

使用以下文档集：

curl -XPUT "http://localhost:9200/test/books/1" -d '{
  "title": "Bacon Dishes",
  "tags": ["bacon", "cooking"]
}'

curl -XPUT "http://localhost:9200/test/books/2" -d '{
  "title": "Beyond Bacon",
  "tags" : ["cooking"]
}'

以下查询：

curl -XGET "http://localhost:9200/test/books/_search?pretty=true&search_type=dfs_query_then_fetch" -d ' {
  "explain" : true,
  "query" : {
    "multi_match" : {
      "query" : "bacon beyond",
      "fields" : ["title^2","tags^1"]
    }
  }
}'

解释计划显示标题的得分是使用idf(docFreq=2, maxDocs=2)计算的，而标记的得分（如果存在）是使用idf(docFreq=1, maxDocs=2)计算的。

这就成了一个问题（至少对我们而言）当有100本书时，50个标题中有“培根”，标签中只有1个“培根”，但标题中没有“培根”。使用上面的查询，尽管标题被提升，但标签中带有“培根”的文档得分会更高。

我希望第一个示例中的标记和标题字段的分数计算为：

 idf(docFreq=2, maxDocs=2)

也就是说，我希望分数计算在多匹配查询中的所有字段中使用术语的docFreq。这可能吗？

Answer 1

我只会增加你对标题的提升，足以让它比标签字段更重要。

我认为你不想实现自己的自定义相似性并将其插入elasticsearch。

请记住，为字段添加适当的权重并使用提升进行微调，这需要使用真实的索引，真实数据和真实查询。

使用elasticsearch在所有多匹配查询字段中进行常见的idf评分

1 个答案: